负虚神经常微分方程：面向机械系统控制的稳定性保证
系统与控制
2025-04-29 v1 机器学习
系统与控制
最优化与控制
摘要
我们提出一种神经控制方法，为机械系统提供受保证的稳定性。具体而言，我们运用具有所需性质的神经网络作为哈密顿框架下的状态空间函数矩阵，以确保系统具备NI属性。该NINODE系统可作为控制器，对具有特定条件下的NI植物实现渐近稳定。对于力矩执行器和位置传感器错位的机械植物，我们展示，稳定所需的全部条件可转化为对控制器中所用神经网络的规则性约束。我们通过涉及非线性质量-弹簧系统的例子说明了NINODE控制器的实用性、有效性及稳定性保证。
引用
@article{arxiv.2504.19497,
title = {Negative Imaginary Neural ODEs: Learning to Control Mechanical Systems with Stability Guarantees},
author = {Kanghong Shi and Ruigang Wang and Ian R. Manchester},
journal= {arXiv preprint arXiv:2504.19497},
year = {2025}
}